原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明涉及一种基于深度学习的六氟化硫仪表读数识别方法，包括：构建仪表检测模型；训练仪表检测模型：构建样本集，样本的标注信息包括表盘位置信息和若干关键点位置信息；所述关键点包括指针端点和表盘螺丝点；将样本集输入至仪表检测模型，得到预测结果；利用损失函数计算预测结果与标注信息之间的损失，所述损失包括目标置信度损失、表盘定位损失和关键点定位损失；基于所述损失，迭代更新仪表检测模型参数；获取待处理图像；输入待处理图像至训练完毕的仪表检测模型，得到表盘位置和若干关键点位置；根据指针端点和表盘螺丝点之间的相
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116051809 A
(43)申请公布日 2023.05.02
(21)申请号 202310100878.1 G06N 3/048 (2023.01)
文档评论（0）